如何计算两个向量的余弦相似度？

Question

如何找到向量之间的余弦相似度？

我需要找到相似性来衡量两行文本之间的相关性。

例如，我有两个句子：

用户界面系统

用户界面机

…及其在tF-idf之后的向量，然后使用LSI进行标准化，例如 [1,0.5]和[0.5,1]。

如何测量这些向量之间的相似性？

Answer 1

public class CosineSimilarity extends AbstractSimilarity {

  @Override
  protected double computeSimilarity(Matrix sourceDoc, Matrix targetDoc) {
    double dotProduct = sourceDoc.arrayTimes(targetDoc).norm1();
    double eucledianDist = sourceDoc.normF() * targetDoc.normF();
    return dotProduct / eucledianDist;
  }
}

我最近在大学的信息检索部门做了一些tf-idf的工作。我使用了这种余弦相似度方法，该方法使用Jama：Java Matrix
Package
。

有关完整的源代码，请参阅《IR Math with
Java：相似性度量》
，这是一个非常好的资源，涵盖了许多不同的相似性度量。